随着互联网的普及,尤其是近些年来移动互联网的飞速发展。人们越来越多的通过网络发表自己的意见和看法,从而产生了大量带有情感倾向的文本信息。这些文本信息对于商家决策,舆论管控等应用具有巨大的实际价值,如何挖掘文本中的情感信息逐渐成为了广大科研工作者的研究方向。文本情感分类包含很多研究领域,其中,细粒度文本情感分类任务是目前的研究热点,细粒度文本情感分类就是判断文本在给定角度下的情感倾向。本文在研究国内外大量相关文献的基础上,分析了现有细粒度文本情感分类方法的优缺点,基于过往研究成果,提出了一种利用语言学约束和注意力机制的细粒度文本情感分类方法。该方法主要包括三个步骤:首先是利用LSTM长短时记忆网络对文本建模,获取文本的语义表示,接下来采用注意力机制计算针对给定角度的语义权重,得到有权重的文本语义表示,最后,利用语言学资源构建了四种语言学约束,并将语言学约束和注意力机制结合在一起引入到模型的损失函数中去,参与模型训练,进一步优化模型效果。本文提出的细粒度文本情感分类方法不同于以往的研究方法,本文首次将语言学约束和注意力机制结合在一起,实验结果显示,我们的模型能够在情感表达中捕捉到和给定角度相关的语言角色,具有一定的理论意义和实际应用价值,为接下来的研究提供了思路上的启示。